鄧陽(yáng) 董洪光

(安徽理工大學(xué)經(jīng)濟(jì)與管理學(xué)院 安徽淮南 232001)

2019年末，突如其來(lái)的新冠疫情使全世界的經(jīng)濟(jì)面臨巨大的挑戰(zhàn)，經(jīng)濟(jì)增長(zhǎng)比率下滑嚴(yán)重。新冠疫情的爆發(fā)，不可避免地給江蘇省經(jīng)濟(jì)發(fā)展帶來(lái)了沖擊。江蘇省餐飲行業(yè)協(xié)會(huì)調(diào)查顯示，2020年初，20天左右的時(shí)間餐飲行業(yè)的損失已達(dá)到350億元。江蘇省2020年第二產(chǎn)業(yè)的增速僅為3.7%，然而前三年第二產(chǎn)業(yè)的增速分別為6.6%、5.8%、5.9%。由于新冠疫情導(dǎo)致勞動(dòng)力不足和農(nóng)資供應(yīng)缺乏，農(nóng)事活動(dòng)也在一定程度上受到了限制。由此可見(jiàn)，新冠疫情對(duì)江蘇省經(jīng)濟(jì)的影響十分明顯。

當(dāng)今國(guó)內(nèi)外對(duì)于新冠疫情對(duì)各地經(jīng)濟(jì)發(fā)展影響的研究不占少數(shù)。高振斌、秦軒(2022)將偏最小二乘法(PLS)、遺傳算法(GA)、支持向量回歸(SVR)三種不同算法相結(jié)合，提出一種全新的預(yù)測(cè)算法，研究表明該算法不僅優(yōu)于其他預(yù)測(cè)模型，還能準(zhǔn)確預(yù)測(cè)未來(lái)區(qū)域經(jīng)濟(jì)發(fā)展趨勢(shì)。郭艷嬌等(2021)通過(guò)研究新冠疫情下東北三省的經(jīng)濟(jì)運(yùn)行態(tài)勢(shì)，按照真實(shí)經(jīng)濟(jì)周期分析范式引入虛擬變量，對(duì)“十四五”時(shí)期東北三省財(cái)政狀況進(jìn)行了預(yù)測(cè)，并且提出了財(cái)政方面的六個(gè)政策建議。在國(guó)外，Haiying Chen等(2021)通過(guò)建立產(chǎn)品狀態(tài)轉(zhuǎn)移概率矩陣，利用馬爾科夫鏈進(jìn)行分析計(jì)算，提出了產(chǎn)品營(yíng)銷(xiāo)預(yù)測(cè)的數(shù)學(xué)模型，為經(jīng)濟(jì)實(shí)用化提供了可靠的理論基礎(chǔ)。Zhou等(2021)提出一種新的灰色滾動(dòng)機(jī)制，采用平均弱化緩沖算子對(duì)原始序列進(jìn)行處理，并利用該模型對(duì)中國(guó)二氧化碳排放趨勢(shì)進(jìn)行預(yù)測(cè)與分析，從而為中國(guó)相關(guān)環(huán)境部門(mén)制定節(jié)能減排政策提供重要的參考價(jià)值。

綜上所述，國(guó)內(nèi)外研究表明，運(yùn)用預(yù)測(cè)模型能夠及時(shí)預(yù)測(cè)某領(lǐng)域未來(lái)的發(fā)展趨勢(shì)，包括今后可能存在的問(wèn)題及隱患，從而在當(dāng)下采取相應(yīng)政策。但是從研究方法和角度來(lái)看，對(duì)于江蘇省經(jīng)濟(jì)發(fā)展預(yù)測(cè)分析仍然較少，研究新冠疫情對(duì)江蘇省經(jīng)濟(jì)發(fā)展的影響更少。因此，本文運(yùn)用灰色預(yù)測(cè)模型對(duì)江蘇省GDP進(jìn)行預(yù)測(cè)。由于新冠疫情爆發(fā)于2019年末，所以采用2014—2018年的GDP數(shù)據(jù)建立灰色預(yù)測(cè)模型，預(yù)測(cè)2019—2021年的GDP，再比較實(shí)際值分析預(yù)測(cè)值與實(shí)際值的差異。最后分別預(yù)測(cè)對(duì)比江蘇省在有無(wú)新冠疫情影響下，2022—2024年GDP的具體數(shù)值，從而更鮮明地反映出新冠疫情對(duì)江蘇省經(jīng)濟(jì)發(fā)展的影響，為政府和相關(guān)部門(mén)提供科學(xué)參考依據(jù)，使江蘇省的經(jīng)濟(jì)得到恢復(fù)與發(fā)展。

1 江蘇省經(jīng)濟(jì)發(fā)展現(xiàn)狀

江蘇省位于中國(guó)大陸東部沿海，介于北緯30°45'～35°08'，東經(jīng)116°21'～121°56'，東瀕黃海，西連安徽，北接山東，東南與浙江和上海毗鄰，全省面積10.72萬(wàn)平方公里，占全國(guó)總面積的1.1%。江蘇省下轄南京、無(wú)錫、蘇州等13個(gè)市，共有95個(gè)縣級(jí)單位、720個(gè)鄉(xiāng)鎮(zhèn)、532個(gè)街道。2021年末，江蘇省常住人口8505.4萬(wàn)，其中城鎮(zhèn)人口6288.89萬(wàn)。2021年，江蘇省常住人口城鎮(zhèn)化率達(dá)到73.9%，與2020年末相比上升0.5個(gè)百分點(diǎn)，超出全國(guó)9.18個(gè)百分點(diǎn)。

江蘇省2021年GDP總量為116364.2億元，貢獻(xiàn)了整個(gè)長(zhǎng)三角洲50.9%的GDP及全國(guó)10.2%的GDP。隨著2003—2021年江蘇省GDP的不斷增長(zhǎng)，占全國(guó)的比重卻一直保持在10%以上。2021年，江蘇省居民人均可支配收入為43390元，超出全國(guó)8262元。其中，城鎮(zhèn)常住居民人均可支配收入為53102元，超出全國(guó)9598元；農(nóng)村常住居民人均可支配收入為24198元，超出全國(guó)5267元。現(xiàn)江蘇省三大產(chǎn)業(yè)的結(jié)構(gòu)比例為4.1∶44.5∶51.4，第三產(chǎn)業(yè)通常是衡量一個(gè)地區(qū)發(fā)展程度的指標(biāo)，也是地區(qū)發(fā)展的第一驅(qū)動(dòng)力，表明江蘇省已經(jīng)達(dá)到較高的發(fā)展水平。

2 灰色預(yù)測(cè)模型建立

2.1 研究方法選擇

“小樣本”“貧信息”是灰色系統(tǒng)理論的特點(diǎn)，由于江蘇省每年的GDP是一種小數(shù)據(jù)，再加上影響江蘇省GDP的因素有很多，不能一一考慮到，因此灰色系統(tǒng)理論十分適合研究江蘇省GDP。GM(1，1)模型是灰色系統(tǒng)理論中的一種預(yù)測(cè)模型，與傳統(tǒng)統(tǒng)計(jì)模型相比，GM(1，1)模型即使在少量數(shù)據(jù)的情況下建立模型，精度也能達(dá)到一個(gè)較高的水準(zhǔn)，并且由于預(yù)測(cè)的是江蘇省每年的GDP，非常符合該模型原始數(shù)據(jù)必須等時(shí)間間距的特點(diǎn)，所以本文采用GM(1，1)模型進(jìn)行預(yù)測(cè)。

2.2 GM(1,1)原理

設(shè)已知序列為

做一次累加AGO (Acumulated Generating Operation)生成新序列：

生成均值序列：

其中，0≤a≤1，通?？扇=0.5

建立灰微分方程：

相應(yīng)的GM(1，1)白化微分方程為：

將上式采用矩陣形式表達(dá)為：

如需進(jìn)行預(yù)測(cè)，只需把k換成kn+1，方可預(yù)測(cè)下一個(gè)數(shù)據(jù)。

3 江蘇省GDP預(yù)測(cè)

3.1 數(shù)據(jù)來(lái)源

本文數(shù)據(jù)均來(lái)源于江蘇省統(tǒng)計(jì)局，由于需要預(yù)測(cè)江蘇省在沒(méi)有新冠疫情影響下的GDP數(shù)據(jù)，再與實(shí)際值進(jìn)行對(duì)比分析，所以選取江蘇省2014—2021年的GDP數(shù)據(jù)進(jìn)行研究(見(jiàn)表1)。

表1 2014—2021年江蘇省GDP數(shù)據(jù)

3.2 預(yù)測(cè)結(jié)果與分析

為定性測(cè)算新冠疫情對(duì)江蘇省GDP的影響，本文采用GM(1，1)預(yù)測(cè)模型，以2014—2018年新冠疫情發(fā)生前江蘇省GDP實(shí)際數(shù)據(jù)為基礎(chǔ)，采用灰色系統(tǒng)理論與應(yīng)用軟件GSTA V7.0對(duì)2019—2021年的江蘇省GDP進(jìn)行預(yù)測(cè)，得到計(jì)算平均模擬相對(duì)誤差，具體如表2所示，得到2019—2021年的預(yù)測(cè)值，具體如表3所示。最后分別得到有無(wú)新冠疫情影響下江蘇省2022—2024年的GDP預(yù)測(cè)值，具體如表4所示。

表2 2014—2018年江蘇省GDP模擬值與模擬誤差

表3 無(wú)新冠疫情影響下2019—2021年江蘇省GDP預(yù)測(cè)值

表4 有無(wú)新冠疫情影響下2022—2024年江蘇省GDP預(yù)測(cè)值

由表2可知，此預(yù)測(cè)模型的平均模擬相對(duì)誤差為0.5%。根據(jù)灰色系統(tǒng)理論的獨(dú)特性質(zhì)，平均模擬相對(duì)誤差低于1%，可稱(chēng)為一級(jí)精度，所以此模型預(yù)測(cè)精度較高，可以作為決策依據(jù)。

由表3可知，2019—2021年新冠疫情對(duì)經(jīng)濟(jì)的影響平均為4.5%，給江蘇省經(jīng)濟(jì)造成了14928億元的損失。從極值角度來(lái)看，2019年新冠疫情對(duì)江蘇省經(jīng)濟(jì)的影響最小，給江蘇省經(jīng)濟(jì)總量帶來(lái)了1.85%的損失，損失的絕對(duì)量為1874億元。2020年新冠疫情給江蘇省經(jīng)濟(jì)造成的損失最大，給江蘇省經(jīng)濟(jì)總量帶來(lái)7.4%的損失，損失的絕對(duì)量達(dá)到8204億元。從趨勢(shì)特征角度分析，2019—2021年，新冠疫情對(duì)江蘇省經(jīng)濟(jì)的影響呈現(xiàn)先擴(kuò)大后縮小的變化趨勢(shì)。2021年，新冠疫情給江蘇省經(jīng)濟(jì)造成的損失明顯降低(絕對(duì)損失量4850億元)，表明江蘇省采取的恢復(fù)經(jīng)濟(jì)發(fā)展措施取得了一定的效果。

因選擇2014—2018年新冠疫情發(fā)生前江蘇省GDP實(shí)際數(shù)據(jù)為基礎(chǔ)，預(yù)測(cè)2022—2024年江蘇省GDP數(shù)值，所以平均模擬相對(duì)誤差同為0.5%，稱(chēng)為一級(jí)精度。

而預(yù)測(cè)有新冠疫情影響下江蘇省2022—2024年GDP數(shù)值是以2017—2021年的數(shù)據(jù)為基礎(chǔ)，根據(jù)預(yù)測(cè)結(jié)果，平均模擬相對(duì)誤差為1.7%，低于5%，精度為二級(jí)。由于新冠疫情爆發(fā)于2019年末，處于2017—2022年，突發(fā)的新冠疫情快速影響到了江蘇省經(jīng)濟(jì)的發(fā)展，短時(shí)間內(nèi)無(wú)法緩解新冠疫情給江蘇省經(jīng)濟(jì)帶來(lái)的沖擊，所以2020年的相對(duì)模擬誤差隨之較大，達(dá)到3.4%，影響了整體的平均模擬相對(duì)誤差，因此存在小的預(yù)測(cè)誤差反而更符合實(shí)際情況。

通過(guò)對(duì)比江蘇省2022—2024年GDP在有新冠疫情影響下和無(wú)新冠疫情影響下的預(yù)測(cè)值(表4)，能直觀地反映出江蘇省經(jīng)濟(jì)損失逐年增加，未來(lái)三年GDP總損失量將達(dá)到37654.9億元，約等于2019—2021年經(jīng)濟(jì)總損失量的2.5倍。

4 結(jié)語(yǔ)

本文原始數(shù)據(jù)模擬預(yù)測(cè)達(dá)到一級(jí)和二級(jí)精度水平，預(yù)測(cè)結(jié)果可信度較高；2019—2021年新冠疫情對(duì)江蘇省經(jīng)濟(jì)共造成了14928.4億元的經(jīng)濟(jì)損失，約占經(jīng)濟(jì)總量的4.5%；在此期間，新冠疫情對(duì)經(jīng)濟(jì)的影響呈現(xiàn)先擴(kuò)大后縮小的發(fā)展趨勢(shì)。2020年新冠疫情對(duì)經(jīng)濟(jì)的影響最大，造成8204.1億元的經(jīng)濟(jì)損失；江蘇省促進(jìn)經(jīng)濟(jì)恢復(fù)的措施已經(jīng)取得了一定的成效，新冠疫情對(duì)經(jīng)濟(jì)的影響正在縮小，但影響的絕對(duì)量仍然很大。

此外，本文還分別展現(xiàn)了有無(wú)新冠疫情影響下江蘇省2022—2024年GDP的預(yù)測(cè)值，研究表明未來(lái)三年如若不控制新冠疫情，不采取相關(guān)措施及經(jīng)濟(jì)恢復(fù)政策，經(jīng)濟(jì)損失將逐年增加，會(huì)給江蘇省的經(jīng)濟(jì)造成巨大損失。

為了促進(jìn)江蘇省經(jīng)濟(jì)的發(fā)展，建議江蘇省采取擴(kuò)大消費(fèi)和投資需求、減輕企業(yè)負(fù)擔(dān)、建設(shè)完善醫(yī)護(hù)人才結(jié)構(gòu)等防疫和促進(jìn)經(jīng)濟(jì)發(fā)展對(duì)策，相信在江蘇省政府的正確領(lǐng)導(dǎo)下，江蘇省經(jīng)濟(jì)將會(huì)得到恢復(fù)和更好的發(fā)展。